摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 绪论 | 第9-14页 |
1.1 研究背景 | 第9-10页 |
1.2 国内外研究现状 | 第10-13页 |
1.2.1 虚拟机动态整合方法 | 第10页 |
1.2.2 基于统计的虚拟机动态整合方法 | 第10-12页 |
1.2.3 基于智能算法的虚拟机动态整合方法 | 第12-13页 |
1.3 论文的组织结构 | 第13-14页 |
第二章 云数据中心的虚拟资源管理 | 第14-19页 |
2.1 引言 | 第14页 |
2.2 虚拟机迁移 | 第14-15页 |
2.3 虚拟机动态整合 | 第15-17页 |
2.3.1 概述 | 第15-16页 |
2.3.2 物理主机过载检测 | 第16页 |
2.3.3 虚拟机迁移选择 | 第16-17页 |
2.3.4 虚拟机放置 | 第17页 |
2.3.5 低负载物理主机确定 | 第17页 |
2.4 虚拟机动态整合性能的评价指标 | 第17-18页 |
2.5 本章小结 | 第18-19页 |
第三章 基于自适应过载阈值选择的虚拟机动态整合方法 | 第19-34页 |
3.1 引言 | 第19页 |
3.2 数据中心能耗估算 | 第19-20页 |
3.3 自适应过载阈值选择 | 第20-24页 |
3.3.1 过载阈值选择的MDP模型 | 第20-22页 |
3.3.2 状态转移概率在线估计 | 第22-23页 |
3.3.3 选择过载阈值的AOTS算法 | 第23-24页 |
3.4 虚拟机迁移选择 | 第24-25页 |
3.5 虚拟机放置 | 第25页 |
3.6 AOTS-VMDC虚拟机动态整合方法 | 第25-27页 |
3.7 实验与分析 | 第27-32页 |
3.7.1 实验相关说明 | 第27页 |
3.7.2 实验结果及分析 | 第27-32页 |
3.8 本章小结 | 第32-34页 |
第四章 基于贝叶斯网络的虚拟机动态整合方法 | 第34-48页 |
4.1 引言 | 第34页 |
4.2 基于贝叶斯网络的虚拟机迁移估计模型 | 第34-38页 |
4.2.1 数据中心假设 | 第34页 |
4.2.2 物理主机过载概率估计 | 第34-35页 |
4.2.3 虚拟机迁移概率估计模型 | 第35-37页 |
4.2.4 基于BNEM的虚拟机迁移概率估算 | 第37-38页 |
4.3 BN-VMDC虚拟机动态整合方法 | 第38-42页 |
4.3.1 自适应物理主机过载检测 | 第38页 |
4.3.2 虚拟机迁移选择 | 第38-40页 |
4.3.3 虚拟机放置 | 第40页 |
4.3.4 虚拟机动态整合方法 | 第40-42页 |
4.4 实验与分析 | 第42-47页 |
4.4.1 实验相关说明 | 第42页 |
4.4.2 实验结果及分析 | 第42-47页 |
4.5 本章小结 | 第47-48页 |
第五章 能耗感知与多资源过载概率约束的虚拟机动态整合方法 | 第48-70页 |
5.1 引言 | 第48页 |
5.2 虚拟机整合的优化模型 | 第48-51页 |
5.2.1 相关定义 | 第48-49页 |
5.2.2 数据中心能耗估算 | 第49页 |
5.2.3 虚拟机迁移次数 | 第49页 |
5.2.4 多资源过载概率估算 | 第49-50页 |
5.2.5 多资源约束的多目标优化问题描述 | 第50-51页 |
5.3 EC-VMDC虚拟机动态整合方法 | 第51-57页 |
5.3.1 虚拟机迁移选择 | 第51-52页 |
5.3.2 虚拟机放置 | 第52-53页 |
5.3.3 低负载物理主机确定 | 第53-55页 |
5.3.4 虚拟机动态整合方法 | 第55-57页 |
5.4 实验与分析 | 第57-69页 |
5.4.1 实验相关说明 | 第57-58页 |
5.4.2 与单资源虚拟机动态整合方法比较 | 第58-63页 |
5.4.3 与多资源虚拟机动态整合方法比较 | 第63-69页 |
5.5 本章小结 | 第69-70页 |
第六章 总结与展望 | 第70-72页 |
6.1 论文总结 | 第70-71页 |
6.2 未来工作展望 | 第71页 |
6.3 技术路线 | 第71-72页 |
致谢 | 第72-73页 |
参考文献 | 第73-77页 |
附录: 作者在攻读硕士学位期间发表的论文 | 第77页 |